Modelo emocional basado en EmoLex [1],[2]. En él se distinguen 10 emociones: anger(indignación, ira, enfado), anticipation (anticipación, expectación), disgust (asqueo, aversión, repulsión), fear (miedo), joy (júbilo, alegría), sadness (tristeza), surprise (sorpresa) y trust (confianza).
[1] Crowdsourcing a Word-Emotion Association Lexicon, Saif Mohammad and Peter Turney, Computational Intelligence, 29 (3), 436-465, 2013.
[2] Emotions Evoked by Common Words and Phrases: Using Mechanical Turk to Create an Emotion Lexicon, Saif Mohammad and Peter Turney, In Proceedings of the NAACL-HLT 2010 Workshop on Computational Approaches to Analysis and Generation of Emotion in Text, June 2010, LA, California.
Estas nubes de palabras representan que términos hacen más diferenciador un programa político del resto (despues de aplicar tf-idf ). Cuanto mayor es el tamaño de las palabras en la imagen, mayor es su relevancia en el programa político correspondiente, con respecto a los demás. Los datos para el programa político de “Ciudadanos” no son significativos puesto que existen errores de codificación de caracteres; Aún así, este programa sirve, en cierta medida, como “grupo de control” puesto que las palabras más notorias, lo hacen único, precisamente por los errores de codificación citados.
wordcloud-vox, wordcloud-psoe, wordcloud-pp, wordcloud-podemos, wordcloud-maspais, wordcloud-ciudadanos
Palabras de mayor ocurrencia en cada programa político. Éstos tienen distintos numeros de palabras totales entre partidos, por lo tanto, las frecuencias mostradas son relativas al número total de palabras de cada programa.
Desarrollado por Omar Álvarez Fres
Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional.